CN109214352A - 基于2d摄像头三维成像技术的动态人脸检索识别方法 - Google Patents
基于2d摄像头三维成像技术的动态人脸检索识别方法 Download PDFInfo
- Publication number
- CN109214352A CN109214352A CN201811126837.5A CN201811126837A CN109214352A CN 109214352 A CN109214352 A CN 109214352A CN 201811126837 A CN201811126837 A CN 201811126837A CN 109214352 A CN109214352 A CN 109214352A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- camera
- retrieval
- characteristic information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
Abstract
本发明公开了基于2D摄像头三维成像技术的动态人脸检索识别方法,包括以下步骤:S1:通过2D摄像模块获取多张人脸的2D图像,并在摄像过程中要求摄像人员进行面部表情的调整,获取多张不同角度和面部表情的图像;S2:对S1中获取的所有图像进行筛选并进行图像后期处理,然后对筛选和后期处理过的图像进行人脸特征提取,获取多份人脸特征提取信息;S3:对S2中获取的多份人脸特征提取信息进行对比合成,生成人脸弹性束图。本发明提出的基于2D摄像头三维成像技术的动态人脸检索识别方法相对于现有技术的人脸检索识别准确度高,减少由于人脸的生物活动性而导致人脸识别准确度差的问题。
Description
技术领域
本发明涉及人脸识别检索技术领域,尤其涉及基于2D摄像头三维成像技术的动态人脸检索识别方法。
背景技术
人脸识别技术是生物特征识别技术的一种。人脸识别系统首先采集人脸图像并检测人脸区域,然后将检测到的人脸图像与预先存储的人脸模板图像进行对比,从而对检测到的人脸图像进行识别。
现有的人脸检索识别大多只获取几张图片进行人脸识别,由于人脸的生物活动性,只是简单的几张图像难以进行高精度的人脸检索识别,其识别准确度不高,为此我们提出一种基于2D摄像头三维成像技术的动态人脸检索识别方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的基于2D摄像头三维成像技术的动态人脸检索识别方法。
基于2D摄像头三维成像技术的动态人脸检索识别方法,包括以下步骤:
S1:通过2D摄像模块获取多张人脸的2D图像,并在摄像过程中要求摄像人员进行面部表情的调整,获取多张不同角度和面部表情的图像;
S2:对S1中获取的所有图像进行筛选并进行图像后期处理,然后对筛选和后期处理过的图像进行人脸特征提取,获取多份人脸特征提取信息;
S3:对S2中获取的多份人脸特征提取信息进行对比合成,生成人脸弹性束图;
S4:通过S3中的生成的人脸弹性束图生成人脸模型;
S5:基于S4中得到的人脸模型在人脸数据库进行人脸检索,并对得到的结果与预设阀值进行比较,得到最终的人脸检索结果;
S6:在检索的结果中相似度小于预设阀值时,进行选择是否返回S1步骤进行重新检索识别。
优选的,所述S2中的人脸特征提取以三角网孔模型为通用人脸模型,将人脸特征从处理过的图像中提取出来,并事先已经给定了范围.人脸的特征量度包括形状信息和纹理信息,使用从全局到局部的方法,将人脸模型和脸部特征量度数据对准.首先对齐整个通用模型,之后精确对齐局部特征.整体对齐是指头部的位置和尺寸的定位,局部对齐包括眼、鼻、嘴、面颊等特征点的变换和缩放,用位移传播的方法(移动网孔的顶点来平滑特征平面)和活动轮廓线的方法,提炼局部特征,以此对每个图片中的人脸特征进行提取。
优选的,所述S2中提出的图像后期处理包括对图像进行颜色分割和灰度处理,通过分割技术对2D图像的背景进行删除,通过灰度处理方便后续进行人脸特征信息的提取。
优选的,所述S4中提出的人脸识别模型在生成时,对人脸弹性束图的30个特征点提取GaborJet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出GaborJet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
优选的,所述人脸数据库中存储了人脸特征信息与身份标识之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份标识。
优选的,所述S1中进行面部表情调整时,需要摄像人员作出高兴、悲伤、惊讶、恐惧、愤怒和厌恶的表情,方便工作人员从不同的表情模型提取各种变形的局部器官(比如:眼睛的全睁、半睁和闭合;嘴的上翘、下翘、张开和紧闭等).由此建立不同的人脸全局的和局部器官的表情图像库,通过合并和混合的方法实现表情的合成,从而更加方便进行人脸弹性束图的生成。
优选的,所述2D摄像模块包括两个以上的摄像头和光源,光源上设有光线感应机构,相邻摄像头之间成一定夹角。
优选的,所述S2中提出的图像的筛选,筛除图像角度不合适,光线较差,面部表情过于奇怪的图片。
优选的,所述S5中将所述目标人脸特征信息与所述人脸数据库中存储的人脸特征信息进行比对,得到所述目标人脸特征信息与存储的人脸特征信息之间的相似度;按照相似度大小对存储的人脸特征信息进行排序;确定相似度排在前N位的第一候选人脸特征信息,N为正整数;将所述第一候选人脸特征信息对应的身份标识以及相似度作为所述人脸检索结果。
优选的,对检索的第一候选人的相似度与预设阀值进行比较;
a对比通过,则显示出第一候选人脸特征信息对应的身份标识以及相似度;
b对比失败,则显示检索失败结果,进行S6步骤。
本发明提出了基于2D摄像头三维成像技术的动态人脸检索识别方法:
通过多张人脸图像的获取,同时在拍摄过程中进行拍摄者面部表情的调整,并进行多份人脸特征的提取,使得获取的人脸弹性束图的准确性更高;
通过相似度的对比以及预设阀值的设置,能够在相似度低于阀值时进行再次的拍摄,重新进行建模,进一步提高人脸检索识别的准确性;
本发明相对于现有技术的人脸检索识别准确度高,减少由于人脸的生物活动性而导致人脸识别准确度差的问题。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例一
本发明提出的基于2D摄像头三维成像技术的动态人脸检索识别方法,包括以下步骤:
S1:通过2D摄像模块获取多张人脸的2D图像,并在摄像过程中要求摄像人员进行面部表情的调整,获取多张不同角度和面部表情的图像;
S2:对S1中获取的所有图像进行筛选并进行图像后期处理,然后对筛选和后期处理过的图像进行人脸特征提取,获取多份人脸特征提取信息;
S3:对S2中获取的多份人脸特征提取信息进行对比合成,生成人脸弹性束图;
S4:通过S3中的生成的人脸弹性束图生成人脸模型;
S5:基于S4中得到的人脸模型在人脸数据库进行人脸检索,并对得到的结果与预设阀值进行比较,得到最终的人脸检索结果;
S6:在检索的结果中相似度小于预设阀值时,进行选择是否返回S1步骤进行重新检索识别。
所述S2中的人脸特征提取以三角网孔模型为通用人脸模型,将人脸特征从处理过的图像中提取出来,并事先已经给定了范围.人脸的特征量度包括形状信息和纹理信息,使用从全局到局部的方法,将人脸模型和脸部特征量度数据对准.首先对齐整个通用模型,之后精确对齐局部特征.整体对齐是指头部的位置和尺寸的定位,局部对齐包括眼、鼻、嘴、面颊等特征点的变换和缩放,用位移传播的方法(移动网孔的顶点来平滑特征平面)和活动轮廓线的方法,提炼局部特征,以此对每个图片中的人脸特征进行提取。
所述S2中提出的图像后期处理包括对图像进行颜色分割和灰度处理,通过分割技术对2D图像的背景进行删除,通过灰度处理方便后续进行人脸特征信息的提取。
所述S4中提出的人脸识别模型在生成时,对人脸弹性束图的30个特征点提取GaborJet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出GaborJet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
所述人脸数据库中存储了人脸特征信息与身份标识之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份标识。
所述S1中进行面部表情调整时,需要摄像人员作出高兴、悲伤、惊讶、恐惧、愤怒和厌恶的表情,方便工作人员从不同的表情模型提取各种变形的局部器官(比如:眼睛的全睁、半睁和闭合;嘴的上翘、下翘、张开和紧闭等).由此建立不同的人脸全局的和局部器官的表情图像库,通过合并和混合的方法实现表情的合成,从而更加方便进行人脸弹性束图的生成。
所述2D摄像模块包括两个以上的摄像头和光源,光源上设有光线感应机构,相邻摄像头之间成10度的夹角。
所述S2中提出的图像的筛选,筛除图像角度不合适,光线较差,面部表情过于奇怪的图片。
所述S5中将所述目标人脸特征信息与所述人脸数据库中存储的人脸特征信息进行比对,得到所述目标人脸特征信息与存储的人脸特征信息之间的相似度;按照相似度大小对存储的人脸特征信息进行排序;确定相似度排在前N位的第一候选人脸特征信息,N为正整数;将所述第一候选人脸特征信息对应的身份标识以及相似度作为所述人脸检索结果,对检索的第一候选人的相似度与预设阀值进行比较,预设阀值为70%;
a对比相似度大于70%,则通过,显示出第一候选人脸特征信息对应的身份标识以及相似度;
b对比相似度小于等于70%失败,则显示检索失败结果,进行S6步骤。
实施例二
本发明提出的基于2D摄像头三维成像技术的动态人脸检索识别方法,包括以下步骤:
S1:通过2D摄像模块获取多张人脸的2D图像,并在摄像过程中要求摄像人员进行面部表情的调整,获取多张不同角度和面部表情的图像;
S2:对S1中获取的所有图像进行筛选并进行图像后期处理,然后对筛选和后期处理过的图像进行人脸特征提取,获取多份人脸特征提取信息;
S3:对S2中获取的多份人脸特征提取信息进行对比合成,生成人脸弹性束图;
S4:通过S3中的生成的人脸弹性束图生成人脸模型;
S5:基于S4中得到的人脸模型在人脸数据库进行人脸检索,并对得到的结果与预设阀值进行比较,得到最终的人脸检索结果;
S6:在检索的结果中相似度小于预设阀值时,进行选择是否返回S1步骤进行重新检索识别。
所述S2中的人脸特征提取以三角网孔模型为通用人脸模型,将人脸特征从处理过的图像中提取出来,并事先已经给定了范围.人脸的特征量度包括形状信息和纹理信息,使用从全局到局部的方法,将人脸模型和脸部特征量度数据对准.首先对齐整个通用模型,之后精确对齐局部特征.整体对齐是指头部的位置和尺寸的定位,局部对齐包括眼、鼻、嘴、面颊等特征点的变换和缩放,用位移传播的方法(移动网孔的顶点来平滑特征平面)和活动轮廓线的方法,提炼局部特征,以此对每个图片中的人脸特征进行提取。
所述S2中提出的图像后期处理包括对图像进行颜色分割和灰度处理,通过分割技术对2D图像的背景进行删除,通过灰度处理方便后续进行人脸特征信息的提取。
所述S4中提出的人脸识别模型在生成时,对人脸弹性束图的30个特征点提取GaborJet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出GaborJet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
所述人脸数据库中存储了人脸特征信息与身份标识之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份标识。
所述S1中进行面部表情调整时,需要摄像人员作出高兴、悲伤、惊讶、恐惧、愤怒和厌恶的表情,方便工作人员从不同的表情模型提取各种变形的局部器官(比如:眼睛的全睁、半睁和闭合;嘴的上翘、下翘、张开和紧闭等).由此建立不同的人脸全局的和局部器官的表情图像库,通过合并和混合的方法实现表情的合成,从而更加方便进行人脸弹性束图的生成。
所述2D摄像模块包括两个以上的摄像头和光源,光源上设有光线感应机构,相邻摄像头之间成30度的夹角。
所述S2中提出的图像的筛选,筛除图像角度不合适,光线较差,面部表情过于奇怪的图片。
所述S5中将所述目标人脸特征信息与所述人脸数据库中存储的人脸特征信息进行比对,得到所述目标人脸特征信息与存储的人脸特征信息之间的相似度;按照相似度大小对存储的人脸特征信息进行排序;确定相似度排在前N位的第一候选人脸特征信息,N为正整数;将所述第一候选人脸特征信息对应的身份标识以及相似度作为所述人脸检索结果,对检索的第一候选人的相似度与预设阀值进行比较,预设阀值为80%;
a对比相似度大于80%,则通过,显示出第一候选人脸特征信息对应的身份标识以及相似度;
b对比相似度小于等于80%失败,则显示检索失败结果,进行S6步骤。
实施例三
本发明提出的基于2D摄像头三维成像技术的动态人脸检索识别方法,包括以下步骤:
S1:通过2D摄像模块获取多张人脸的2D图像,并在摄像过程中要求摄像人员进行面部表情的调整,获取多张不同角度和面部表情的图像;
S2:对S1中获取的所有图像进行筛选并进行图像后期处理,然后对筛选和后期处理过的图像进行人脸特征提取,获取多份人脸特征提取信息;
S3:对S2中获取的多份人脸特征提取信息进行对比合成,生成人脸弹性束图;
S4:通过S3中的生成的人脸弹性束图生成人脸模型;
S5:基于S4中得到的人脸模型在人脸数据库进行人脸检索,并对得到的结果与预设阀值进行比较,得到最终的人脸检索结果;
S6:在检索的结果中相似度小于预设阀值时,进行选择是否返回S1步骤进行重新检索识别。
所述S2中的人脸特征提取以三角网孔模型为通用人脸模型,将人脸特征从处理过的图像中提取出来,并事先已经给定了范围.人脸的特征量度包括形状信息和纹理信息,使用从全局到局部的方法,将人脸模型和脸部特征量度数据对准.首先对齐整个通用模型,之后精确对齐局部特征.整体对齐是指头部的位置和尺寸的定位,局部对齐包括眼、鼻、嘴、面颊等特征点的变换和缩放,用位移传播的方法(移动网孔的顶点来平滑特征平面)和活动轮廓线的方法,提炼局部特征,以此对每个图片中的人脸特征进行提取。
所述S2中提出的图像后期处理包括对图像进行颜色分割和灰度处理,通过分割技术对2D图像的背景进行删除,通过灰度处理方便后续进行人脸特征信息的提取。
所述S4中提出的人脸识别模型在生成时,对人脸弹性束图的30个特征点提取GaborJet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出GaborJet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
所述人脸数据库中存储了人脸特征信息与身份标识之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份标识。
所述S1中进行面部表情调整时,需要摄像人员作出高兴、悲伤、惊讶、恐惧、愤怒和厌恶的表情,方便工作人员从不同的表情模型提取各种变形的局部器官(比如:眼睛的全睁、半睁和闭合;嘴的上翘、下翘、张开和紧闭等).由此建立不同的人脸全局的和局部器官的表情图像库,通过合并和混合的方法实现表情的合成,从而更加方便进行人脸弹性束图的生成。
所述2D摄像模块包括两个以上的摄像头和光源,光源上设有光线感应机构,相邻摄像头之间成45度的夹角。
所述S2中提出的图像的筛选,筛除图像角度不合适,光线较差,面部表情过于奇怪的图片。
所述S5中将所述目标人脸特征信息与所述人脸数据库中存储的人脸特征信息进行比对,得到所述目标人脸特征信息与存储的人脸特征信息之间的相似度;按照相似度大小对存储的人脸特征信息进行排序;确定相似度排在前N位的第一候选人脸特征信息,N为正整数;将所述第一候选人脸特征信息对应的身份标识以及相似度作为所述人脸检索结果,对检索的第一候选人的相似度与预设阀值进行比较,预设阀值为90%;
a对比相似度大于90%,则通过,显示出第一候选人脸特征信息对应的身份标识以及相似度;
b对比相似度小于等于90%失败,则显示检索失败结果,进行S6步骤。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,包括以下步骤:
S1:通过2D摄像模块获取多张人脸的2D图像,并在摄像过程中要求摄像人员进行面部表情的调整,获取多张不同角度和面部表情的图像;
S2:对S1中获取的所有图像进行筛选并进行图像后期处理,然后对筛选和后期处理过的图像进行人脸特征提取,获取多份人脸特征提取信息;
S3:对S2中获取的多份人脸特征提取信息进行对比合成,生成人脸弹性束图;
S4:通过S3中的生成的人脸弹性束图生成人脸模型;
S5:基于S4中得到的人脸模型在人脸数据库进行人脸检索,并对得到的结果与预设阀值进行比较,得到最终的人脸检索结果;
S6:在检索的结果中相似度小于预设阀值时,进行选择是否返回S1步骤进行重新检索识别。
2.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述S2中的人脸特征提取以三角网孔模型为通用人脸模型,将人脸特征从处理过的图像中提取出来,并事先已经给定了范围.人脸的特征量度包括形状信息和纹理信息,使用从全局到局部的方法,将人脸模型和脸部特征量度数据对准.首先对齐整个通用模型,之后精确对齐局部特征.整体对齐是指头部的位置和尺寸的定位,局部对齐包括眼、鼻、嘴、面颊等特征点的变换和缩放,用位移传播的方法(移动网孔的顶点来平滑特征平面)和活动轮廓线的方法,提炼局部特征,以此对每个图片中的人脸特征进行提取。
3.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述S2中提出的图像后期处理包括对图像进行颜色分割和灰度处理,通过分割技术对2D图像的背景进行删除,通过灰度处理方便后续进行人脸特征信息的提取。
4.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述S4中提出的人脸识别模型在生成时,对人脸弹性束图的30个特征点提取GaborJet,将其连接后获得的矢量作为基于外观的人脸模型的初期模型,取出GaborJet复数的幅直,组成由40个幅直为元素的矢量;对人脸模型的初期模型应用PCA和LDA,获得基于外观的人脸识别模型。
5.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述人脸数据库中存储了人脸特征信息与身份标识之间的对应关系,所述人脸检索结果中至少包括与所述目标人脸特征信息匹配的身份标识。
6.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述S1中进行面部表情调整时,需要摄像人员作出高兴、悲伤、惊讶、恐惧、愤怒和厌恶的表情,方便工作人员从不同的表情模型提取各种变形的局部器官(比如:眼睛的全睁、半睁和闭合;嘴的上翘、下翘、张开和紧闭等).由此建立不同的人脸全局的和局部器官的表情图像库,通过合并和混合的方法实现表情的合成,从而更加方便进行人脸弹性束图的生成。
7.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述2D摄像模块包括两个以上的摄像头和光源,光源上设有光线感应机构,相邻摄像头之间成一定夹角。
8.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述S2中提出的图像的筛选,筛除图像角度不合适,光线较差,面部表情过于奇怪的图片。
9.根据权利要求1所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,所述S5中将所述目标人脸特征信息与所述人脸数据库中存储的人脸特征信息进行比对,得到所述目标人脸特征信息与存储的人脸特征信息之间的相似度;按照相似度大小对存储的人脸特征信息进行排序;确定相似度排在前N位的第一候选人脸特征信息,N为正整数;将所述第一候选人脸特征信息对应的身份标识以及相似度作为所述人脸检索结果。
10.根据权利要求9所述的基于2D摄像头三维成像技术的动态人脸检索识别方法,其特征在于,对检索的第一候选人的相似度与预设阀值进行比较;
a对比通过,则显示出第一候选人脸特征信息对应的身份标识以及相似度;
b对比失败,则显示检索失败结果,进行S6步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811126837.5A CN109214352A (zh) | 2018-09-26 | 2018-09-26 | 基于2d摄像头三维成像技术的动态人脸检索识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811126837.5A CN109214352A (zh) | 2018-09-26 | 2018-09-26 | 基于2d摄像头三维成像技术的动态人脸检索识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109214352A true CN109214352A (zh) | 2019-01-15 |
Family
ID=64981632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811126837.5A Pending CN109214352A (zh) | 2018-09-26 | 2018-09-26 | 基于2d摄像头三维成像技术的动态人脸检索识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214352A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110249340A (zh) * | 2019-04-24 | 2019-09-17 | 深圳市汇顶科技股份有限公司 | 人脸注册方法、人脸识别装置、识别设备和可存储介质 |
CN116719966A (zh) * | 2023-05-25 | 2023-09-08 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种医院病人信息管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246875A (zh) * | 2013-05-09 | 2013-08-14 | 东南大学 | 一种基于面部曲线弹性匹配的三维人脸识别方法 |
CN103902992A (zh) * | 2014-04-28 | 2014-07-02 | 珠海易胜电子技术有限公司 | 人脸识别方法 |
US8908928B1 (en) * | 2010-05-31 | 2014-12-09 | Andrew S. Hansen | Body modeling and garment fitting using an electronic device |
CN106682632A (zh) * | 2016-12-30 | 2017-05-17 | 百度在线网络技术(北京)有限公司 | 用于处理人脸图像的方法和装置 |
CN108537191A (zh) * | 2018-04-17 | 2018-09-14 | 广州云从信息科技有限公司 | 一种基于结构光摄像头的三维人脸识别方法 |
-
2018
- 2018-09-26 CN CN201811126837.5A patent/CN109214352A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8908928B1 (en) * | 2010-05-31 | 2014-12-09 | Andrew S. Hansen | Body modeling and garment fitting using an electronic device |
CN103246875A (zh) * | 2013-05-09 | 2013-08-14 | 东南大学 | 一种基于面部曲线弹性匹配的三维人脸识别方法 |
CN103902992A (zh) * | 2014-04-28 | 2014-07-02 | 珠海易胜电子技术有限公司 | 人脸识别方法 |
CN106682632A (zh) * | 2016-12-30 | 2017-05-17 | 百度在线网络技术(北京)有限公司 | 用于处理人脸图像的方法和装置 |
CN108537191A (zh) * | 2018-04-17 | 2018-09-14 | 广州云从信息科技有限公司 | 一种基于结构光摄像头的三维人脸识别方法 |
Non-Patent Citations (2)
Title |
---|
段锦 等: "三维人脸识别研究进展", 《小型微型计算机系统》 * |
陈志轩: "表情不变的三维人脸识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110249340A (zh) * | 2019-04-24 | 2019-09-17 | 深圳市汇顶科技股份有限公司 | 人脸注册方法、人脸识别装置、识别设备和可存储介质 |
WO2020215250A1 (zh) * | 2019-04-24 | 2020-10-29 | 深圳市汇顶科技股份有限公司 | 人脸注册方法、人脸识别装置、识别设备和可存储介质 |
CN116719966A (zh) * | 2023-05-25 | 2023-09-08 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种医院病人信息管理系统 |
CN116719966B (zh) * | 2023-05-25 | 2024-03-08 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种医院病人信息管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rogez et al. | Mocap-guided data augmentation for 3d pose estimation in the wild | |
Nair et al. | 3-D face detection, landmark localization, and registration using a point distribution model | |
US20070258627A1 (en) | Face recognition system and method | |
CN108717531B (zh) | 基于Faster R-CNN的人体姿态估计方法 | |
Stratou et al. | Effect of illumination on automatic expression recognition: a novel 3D relightable facial database | |
CN107133601A (zh) | 一种基于生成式对抗网络图像超分辨率技术的行人再识别方法 | |
CN104915656B (zh) | 一种基于双目视觉测量技术的快速人脸识别方法 | |
CN109558764A (zh) | 人脸识别方法及装置、计算机设备 | |
CN107330371A (zh) | 3d脸部模型的脸部表情的获取方法、装置和存储装置 | |
CN110263768A (zh) | 一种基于深度残差网络的人脸识别方法 | |
CN112257641A (zh) | 一种人脸识别活体检测方法 | |
CN110909634A (zh) | 可见光与双红外线相结合的快速活体检测方法 | |
CN107038400A (zh) | 人脸识别装置及方法和利用其的目标人跟踪装置及方法 | |
Papatheodorou et al. | Evaluation of 3D face recognition using registration and PCA | |
CN109214352A (zh) | 基于2d摄像头三维成像技术的动态人脸检索识别方法 | |
CN106156739B (zh) | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 | |
CN108197549A (zh) | 基于3d成像的人脸识别方法及终端 | |
Conde et al. | Automatic 3D face feature points extraction with spin images | |
JP3577908B2 (ja) | 顔画像認識システム | |
Park et al. | 3D face reconstruction from stereo video | |
CN111881841B (zh) | 一种基于双目视觉的人脸检测识别方法 | |
Di Martino et al. | Rethinking shape from shading for spoofing detection | |
Haq et al. | COMSATS face: A dataset of face images with pose variations, its design, and aspects | |
Ahdid et al. | A survey on facial feature points detection techniques and approaches | |
Wu et al. | Model-based face reconstruction using sift flow registration and spherical harmonics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |